蚁群算法在1000MW火电机组模型辨识中的应用

摘要

随着我国经济的发展,其用电需求日益增加。由于目前燃煤发电机组仍是我国电力生产中的主力机组,因此在煤炭资源日益紧缺的今天,如何高效利用有限的煤炭资源成了重要问题。1000MW超超临界机组诞生以来,虽然在发展过程中也存在争议,但是经过长时间的实践证明,1000MW超超临界机组无论是从可靠性还是燃料的利用效率来说都高于传统机组,可以说发展超超临界机组将成为未来一段时间内我国火电机组的建设方向。
　　机组容量的增加对热工控制技术提出了更高的要求。如何获取更符合实际的热工对象模型和参数,是热工控制系统设计的前提条件和关键技术。如果得到的模型结构不合理、参数不够准确就会造成设计的控制系统控制策略失当或控制器参数设置不准确,不但影响控制系统的控制效果,而且还影响机组运行效率,严重时甚至会威胁到机组的安全运行。超超临界机组由于其运行参数高、一些参数变化范围大、系统结构复杂、各子系统间耦合严重等问题,其热工对象模型辨识较为困难。而且由于采用的实际运行数据往往具有白噪声或者不连续,使传统的辨识方法很难准确进行模型辨识。本文研究以群体智能算法中的蚁群算法为工具对1000MW机组的热工对象进行模型辨识。蚁群算法的分布式计算、正反馈和自组织特性能在输入输出数据存在较大限制的情况下对其对象进行辨识,且能得到较为可靠的模型。蚁群算法的这些优势能在较大程度上弥补传统辨识方法的不足。
　　本文分析了1000MW超超临界机组的主要特性,并根据其特性确定了1000MW机组热工对象模型结构,根据对象的不同确定了不同的热工模型结构和待辨识参数。之后,在充分研究了蚁群算法原理及应用方法的基础上提出了蚁群算法在热工对象模型辨识上的应用方法,总结了算法的优缺点根据算法的不足提出了改进设想。利用采集自实际生产过程中的实际数据,在对数据进行了预处理操作的基础上,利用蚁群算法对处理后的数据进行模型参数辨识,得到了几个典型热工对象的传递函数模型,对蚁群算法在热工对象模型辨识上的应用进行了验证。最后,根据得到的传递函数模型进行了控制器参数优化。研究工作验证了蚁群算法在热工对象模型辨识中应用的可行性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1课题研究背景和意义

1.2模型辨识理论与方法

1.3 论文的主要工作

第2章 1000MW机组主要特性及建模方法

2.1 1000MW火电机组热工对象模型辨识方法

2.2 1000MW火电机组的特性

2.3 1000MW火电机组的模型结构的确定

2.4本章小结

第3章 蚁群算法原理及在模型辨识中应用

3.1 蚁群算法的提出

3.2 蚁群算法的流程

3.3蚁群算法的参数对算法的影响

3.4 蚁群算法的特点

3.5基本蚁群算法的缺点及改进

3.6本章小结

第4章 基于蚁群算法的1000MW机组模型辨识

4.1 数据预处理

4.2参数论域的选择

4.3 燃料量与主汽压关系模型辨识

4.4 风煤比与含氧量关系模型辨识

4.5 引送风量与炉膛压力关系模型辨识

4.6 燃水比与过热汽温关系模型辨识

4.7依赖于辨识模型的控制器参数优化示例

4.8本章小结

第5章 结论和展望

5.1 结论

5.2 展望

参考文献

攻读硕士期间发表的学位论文和参加科研情况

致谢